MIT调研:全员都在用AI,只有16%拿到真价值,卡在缺一层「上下文」

新闻3周前更新 ai30guanwang
233 0
企业AI落地的上下文层缺口示意图
模型不缺能力,缺的是中间那层可被机器直接读取的业务事实(配图:AI30媒体部)

10月30日,MIT Technology Review Insights 公布了一份让不少CIO不太舒服的调研:受访企业百分之百都在用AI——注意,是全部,没有一家说没用;但被问到是否从中拿到了「变革性价值」时,只有16%举手。剩下的人里,38%还在跑试点,35%只是把AI当基础助手用,真正把智能体放进生产环境的,只有12%。换句话说,AI已经进了每一家公司的大门,但只有六分之一真正用上了它。

三个台阶:试点、助手、生产

这份调研最有价值的地方,是它没有停在「用得不好」这个结论上,而是给了三个台阶:试点、助手、生产。绝大多数企业卡在第一个和第二个台阶之间——它们能证明AI「有点用」,却证明不了AI「值得追加预算」。同一天,Apollo 的一位经济学家给出了更刺耳的说法:到目前为止,AI在企业端带来的财务回报基本为零。这两份结论叠在一起,指向同一个问题:钱花了,模型也接上了,为什么价值没有落下来?

卡点不在模型,在「上下文层」

Atlan 联合创始人 Prukalpa Sankar 在调研里点出了症结:企业缺一层「上下文」。她的原话大意是,公司里往往同时跑着十几个AI工具,每个都很快,但没有任何一个真正理解业务数据长什么样、口径怎么定义、哪张表才是最新的。结果就是模型答得快,却答不准;智能体能执行,却执行错。这不是模型能力问题,而是供给问题——模型拿到的上下文是碎的、旧的、互相矛盾的。企业把预算全押在了「更强的模型」上,却没人负责把自家的业务事实整理成机器能直接消费的形状。

同一天的两件事:广告进答案位,语料成基础设施

同一天还有两件事值得放在一起看。一件是 Google 把 AI 模式里的广告推向全球,并在美国上线对话式广告,官方说 AI 模式里赞助商品位的点击率已经和自然结果持平;代价是 Alphabet 的搜索广告增速从上季的17%降到12%,股价当天跌了8%。另一件是 Hugging Face 联合卡内基梅隆、普渡、佐治亚理工等高校发起 Project ProtoStar,目标是把每年约1900亿美元公共科研经费产出的数据、模型和代码,从静态论文里解放成「AI 可直接使用」的格式。前者说明答案位正在变成广告位,后者说明「AI-ready 的语料」已经上升到基础设施层面。

GEO 的落点变了:从争排名到供语料

把三件事连起来,GEO(生成式引擎优化,也常写作 AIGEO)的落点其实变了。过去两年大家争的是排名和引用:我的页面有没有被AI提到、排在第几位。但当广告开始占据答案位,「被引用」这件事的边际价值在下降;真正决定你能不能出现在答案里的,是上游那层上下文——你的内容有没有以结构化、可验证、带出处的方式,进入模型可以稳定读取的语料池。企业内部的「上下文层」和对外的GEO,本质是同一件事的两端:一端是把自家事实整理成机器能消费的形状,另一端是把这些事实放到机器愿意反复引用的地方。

三件马上能做的事

落到执行,三件事可以马上开始。第一,先做一次「口径体检」:把品牌名、产品名、关键数字、成立时间、业务范围这些最容易被问到的字段,在官网、百科、公众号、行业媒体上逐条对齐,矛盾之处优先修——模型最怕的不是信息少,而是信息打架。第二,把关键事实写进结构化页面:清晰的标题层级、可解析的表格、明确的发布时间与作者,配上 sitemap 与 llms.txt 这类给机器看的索引文件,让抓取和引用都不需要猜。第三,建立「问答题库」:把客户最常问的二十个问题,用一段话直接答完并给出处,定期拿主流模型跑一遍,看自己有没有被答对、被答错、或者根本没被提到。AI时代的可见性,不是喊出来的,是一层一层喂进去的。(文 / AI30媒体部 | 最后更新:2026年10月31日)

延伸阅读:MongoDB官网收录页 | Tavily官网收录页

© 版权声明

相关文章

暂无评论

none
暂无评论...